주노의 탭 폴더

요즘 회사에서 AI를 안 쓰는 사람을 찾기가 더 어려워졌습니다. 회의록을 정리하고, 문서 초안을 만들고, 코드를 고치고, 엑셀 수식을 물어봅니다. 개인 단위로 보면 분명히 빨라진 일이 많습니다. 나도 이 부분은 인정합니다.그런데 이상한 점이 있습니다. 개인은 빨라졌는데 회사 전체가 10배 빨라졌다는 느낌은 잘 안 납니다. 도구는 늘었고, 계정도 늘었고, 교육도 했는데 조직의 병목은 그대로 남아 있습니다.생산성의 착시개인 생산성과 조직 생산성은 다릅니다. 한 사람이 빨라져도, 결정과 검수의 줄이 그대로면 회사는 그대로 느립니다.AI 도구가 많아져도 병목이 그대로면 회사는 바빠 보일 뿐 성과가 움직이지 않는다.빨라진 사람이 더 빨리 기다린다AI로 초안을 10분 만에 만들 수 있어도 결재가 3일 걸리면 회사는..

AEO, GEO, Answer Engine Optimization 같은 말이 계속 보입니다. 이름은 조금씩 다르지만 방향은 비슷합니다. 검색이 링크를 나열하는 곳에서 답을 만들어주는 곳으로 바뀌고 있다는 뜻입니다.블로그 운영자 입장에서는 이 변화가 꽤 불편합니다. 예전에는 검색 결과에서 클릭을 받는 게 중요했습니다. 이제는 AI 답변 안에 인용되거나 요약될 가능성까지 생각해야 합니다. 그런데 여기서 너무 기술적으로만 접근하면 또 이상한 글이 됩니다.내 결론SEO 다음이 AEO라면, 블로그는 더 구조적이면서 동시에 더 사람다워져야 합니다.AEO 시대의 블로그는 검색을 위해 기계처럼 쓰는 글이 아니라, 출처와 판단을 함께 남기는 글이어야 한다.AI가 가져가기 쉬운 문장이 필요하다AI 검색은 긴 글 전체를 그..

AI 글쓰기 도구를 쓰면 글이 빨리 나옵니다. 제목 후보도 나오고, 목차도 나오고, 문장도 매끄럽게 정리됩니다. 그래서 처음에는 꽤 편합니다. 문제는 편한 만큼 글이 비슷해진다는 겁니다.요즘 블로그 글을 읽다 보면 시작부터 느낌이 옵니다. “최근 많은 사람들이 관심을 가지고 있습니다.” “하지만 중요한 것은 균형 잡힌 활용입니다.” “자신에게 맞는 방법을 선택해야 합니다.” 문장은 틀리지 않았는데 아무도 말한 것 같지 않습니다.불편한 사실AI로 글을 못 쓰는 것보다 무서운 건, 다 같이 비슷하게 잘 쓰는 척하는 것입니다.비슷한 글이 쌓일수록 필요한 건 더 많은 문장이 아니라, 혼자 튀어나오는 관점 하나다.안 베낀 느낌은 문장 교체로 안 나온다남의 글을 가져와 표현만 바꾸면 금방 티가 납니다. 문장 표절을..

노코드 AI 자동화 글은 계속 인기입니다. 이유는 너무 분명합니다. 반복 업무가 싫기 때문입니다. 메일 정리, 회의록 요약, 슬랙 메시지 분류, 노션 업데이트, 엑셀 정리. 이런 일은 작아 보여도 사람을 천천히 지치게 합니다.그런데 자동화 도구부터 고르면 자주 꼬입니다. Make냐 Zapier냐 n8n이냐 Notion AI냐보다 먼저 해야 할 일이 있습니다. 내 업무가 자동화 가능한 모양인지 보는 겁니다. 업무가 흐릿한데 도구를 붙이면, 흐릿함이 더 빠르게 퍼집니다.먼저 정리할 네 가지나는 업무를 입력, 판단, 출력, 예외 네 칸으로 나눕니다. 이 네 칸이 흐리면 자동화는 금방 망가집니다.노코드 자동화는 버튼을 누르는 일이 아니라, 엉킨 업무 흐름을 먼저 손으로 풀어내는 일이다.입력이 제각각이면 자동화는..

AI로 화면을 만들면 처음엔 꽤 그럴듯합니다. 카드도 있고, 버튼도 있고, 아이콘도 있고, 그라데이션도 있습니다. 그런데 조금만 더 보면 묘하게 싼 티가 납니다. 못생겼다기보다 안 맞습니다. 이 차이가 큽니다.나는 이 문제를 “디자인 감각 부족”이라고만 보지 않습니다. AI는 예쁜 조각을 많이 알고 있습니다. 문제는 그 조각들을 하나의 제품 언어로 묶는 기준이 약하다는 겁니다. 그래서 결과물이 실제 서비스라기보다 샘플 모음처럼 보입니다.한 줄로 말하면AI UI는 예쁜 조각보다 같은 규칙이 먼저입니다. 정합성이 없으면 화려해도 싸 보입니다.AI UI가 싼 티 나는 순간은 화려한 색이 부족해서가 아니라, 간격과 기준이 어긋날 때다.어긋남은 작은데 느낌은 크다라운드는 어떤 곳은 8px, 어떤 곳은 24px입니..

AI 코딩을 쓰면서 제일 많이 보는 착각이 있습니다. “일단 만들고 나중에 고치면 되지”라는 생각입니다. 사람 개발자만 있을 때도 위험한 말이었는데, AI가 붙으면 더 위험해집니다. 나중에 고칠 코드가 훨씬 빨리, 훨씬 많이 생기기 때문입니다.SpecGuard 같은 도구가 주목받는 이유도 여기에 있습니다. AI가 코드를 못 짜서가 아닙니다. 애매한 요구사항을 너무 그럴듯하게 코드로 바꿔버리기 때문입니다. 사람이라면 회의에서 멈췄을 질문을 AI는 조용히 추측하고 지나갈 수 있습니다.위험한 지점AI는 빈칸을 싫어하지 않습니다. 오히려 빈칸을 자연스럽게 채웁니다. 문제는 그 추측이 코드가 되고, 코드는 나중에 운영 비용이 된다는 점입니다.스펙 없는 코딩은 빠른 출발처럼 보여도, 나중에는 어두운 골목처럼 빠져나..

AI 메모리 도구가 많아지는 걸 보면 처음엔 조금 과해 보입니다. MemRosetta, Threadlens, Supermemory, Memory MCP 같은 이름들이 계속 나옵니다. 예전 같으면 “그냥 프롬프트에 다시 쓰면 되지”라고 생각했을 겁니다.그런데 AI를 업무에 계속 쓰다 보면 생각이 달라집니다. 같은 프로젝트 설명을 또 하고, 지난번 결정사항을 또 붙이고, 싫어하는 코드 스타일을 또 말합니다. 어느 순간 이상한 기분이 듭니다. 내가 AI에게 일을 시키는 게 아니라, AI에게 계속 인수인계를 하고 있습니다.반복 설명은 보이지 않는 비용하루에 한 번이면 괜찮습니다. 하지만 세션과 도구가 바뀔 때마다 반복되면, 사람은 AI의 사용자라기보다 맥락 운반자가 됩니다.기억은 거창한 기능이 아니라 흩어진 맥..

로컬 AI를 다시 보게 된 건 성능 벤치마크 때문만은 아닙니다. 최고 성능만 놓고 보면 여전히 클라우드 모델이 편합니다. GPT든 Claude든 큰 판단이 필요할 때는 강합니다. 긴 문맥을 붙이고, 복잡한 자료를 비교하고, 애매한 기획을 토론할 때는 아직 클라우드 쪽이 안정적입니다.그런데 요즘 내가 더 신경 쓰는 건 성능보다 데이터의 이동입니다. 우리는 너무 자연스럽게 파일을 올리고, 회의록을 붙이고, 코드 조각을 넣고, 고객 응대 문장을 던집니다. 편하니까요. 문제는 편한 습관이 계속 쌓이면 어떤 정보가 어디로 나가는지 감각이 흐려진다는 점입니다.비용보다 먼저 볼 것구독료 몇만 원보다 더 큰 비용은, 내가 매일 AI에게 넘기는 자료가 어디로 가는지 모르는 상태일 수 있습니다.로컬 AI의 핵심은 장비 자..

Claude Code 이야기가 계속 보이는 걸 보면서 처음엔 또 하나의 개발자 장난감이라고 생각했습니다. 개발자 커뮤니티는 원래 새 도구가 나오면 빠르게 달아오르고, 며칠 지나면 다른 주제로 넘어가기도 하니까요. 그런데 이번 흐름은 조금 다릅니다. GeekNews에 올라온 Claude Code 워크플로 글도 그렇고, 요즘IT의 AI 에이전트 정리도 그렇고, 사람들은 단순 자동완성이 아니라 작업 단위로 움직이는 코딩 파트너를 기대하고 있습니다.이 기대는 꽤 현실적입니다. 파일을 읽고, 수정하고, 테스트를 돌리고, 실패하면 다시 고치는 흐름은 이미 개발자의 하루와 닮아 있습니다. 문제는 여기서부터입니다. 도구가 실제 일과 닮아갈수록 사람은 더 쉽게 방심합니다. “이 정도면 알아서 하겠지”라는 생각이 들어오는..

AI 붐의 병목이 생각보다 땅에 붙어 있다요즘 AI 뉴스를 보면 대부분 모델, GPU, 데이터, 전력 이야기가 나옵니다. 그런데 2026년 6월 기준으로 점점 더 현실적인 병목이 보입니다. 바로 데이터센터를 실제로 짓고 운영할 사람입니다.Axios 보도에 따르면 Google.org는 미국에서 숙련 기술직 인력을 30만 명 이상 훈련하기 위한 5천만 달러 규모의 이니셔티브를 발표했습니다. Google의 데이터센터 workforce 프로그램도 STAR 프로그램을 통해 건설, 전기, 기계, 광섬유 같은 분야의 입문 인력을 키우는 흐름을 강조합니다. Meta 역시 데이터센터 건설 인력을 위해 별도 훈련 프로그램을 내놓고 있습니다.이쯤 되면 명확합니다. AI는 클라우드 위에 떠 있는 마법이 아니다. 누군가는 광케..